MétaCan
Menu
Retour à la cohorte
Enregistrement W2025176323 · doi:10.1089/ees.2006.0110

Divalent Cation Addition (Ca <sup>2+</sup> or Mg <sup>2+</sup> ) Stabilizes Biological Treatment of Perchlorate and Nitrate In Ion-Exchange Spent Brine

2007· article· en· W2025176323 sur OpenAlexaff
X. Q. Lin, Deborah J. Roberts, Tanushree Hiremath, Dennis Clifford, Thomas E.T. Gillogly, S. Geno Lehman

Notice bibliographique

RevueEnvironmental Engineering Science · 2007
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChemical Analysis and Environmental Impact
Établissements canadiensOkanagan University CollegeUniversity of British Columbia, Okanagan CampusUniversity of British Columbia
Organismes subventionnairesAmerican Water Works Association Research FoundationWater Research FoundationU.S. Environmental Protection Agency
Mots-clésBrinePerchlorateChemistryDivalentNitrateInorganic chemistryIon exchangeIonNuclear chemistryEnvironmental chemistryOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Anaerobic cultures capable of reducing both perchlorate and nitrate simultaneously in a 3 or 6% NaCl synthetic media were tested for their ability to remove perchlorate and nitrate in actual ion-exchange brines. The addition of divalent cations (e.g., Mg2+ and Ca2+), and nolmonovalent ions, in greater than typical concentrations, improved cultures stability and the rate of perchlorate degradation. The optimal condition was when Mg2+ was added to brine to achieve a ratio of Mg2+ to Na+ of 0.11 (mol/mol) in 3 or 5.2% NaCl ion-exchange brine. Under these conditions the inoculum was capable of reducing perchlorate to nondetectable limits at rates up to 120 μg/L · h. In this way the brine can be reused in the perchlorate ion exchange process, thus conserving salt (NaCl), reducing waste brine discharge, and eliminating the reintroduction of the contaminants into the environment.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,017
Tête enseignante GPT0,226
Écart entre enseignants0,209 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2007
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueEnvironmental Engineering ScienceMême sujetChemical Analysis and Environmental ImpactTravaux en français237 207